# realtime_voice_bot

디스코드 음성 채널 또는 로컬 PC 마이크에서 한국어 음성을 인식하고, 완전 로컬 스택으로 답변을 생성한 뒤 다시 음성으로 읽어주는 최소 프로토타입입니다.

## 현재 스택

- STT: `faster-whisper` + Whisper multilingual
- LLM: `Ollama` + `qwen3:0.6b`
- TTS:
- Windows: 시스템 기본 음성 엔진
- Linux/macOS: `kokoro-onnx` + `misaki[ko]`
- VAD: `avr-vad`

외부 유료 API나 무료 한도형 API는 쓰지 않습니다.

## 현재 구현 범위

- Discord slash command 기반 제어: `/join`, `/leave`, `/status`, `/reset`, `/say`
- 로컬 테스트 모드: PC 마이크로 직접 말하고 바로 응답 확인
- `@discordjs/voice` 기반 음성 채널 입장 및 유저별 오디오 수신
- 48k stereo PCM을 16k mono로 내려서 유저별 VAD 처리
- 화자 발화 시작 시 현재 재생과 대기열 즉시 중단
- Python 로컬 워커를 한 번 띄워 STT/TTS 모델을 메모리에 유지

## 필수 준비물

- Bun `1.3+`
- Node.js `22.12+`
- Python `3.11+`
- `ffmpeg`
- Ollama

Discord 모드까지 쓸 거면 추가로:

- Discord bot token
- Discord application id

## 빠른 시작

```bash
bun install
ollama pull qwen3:0.6b
bun run setup:local-ai
```

Windows에서 Python 실행기는 환경마다 다릅니다. 둘 중 되는 쪽 하나만 넣으면 됩니다:

```env
LOCAL_AI_PYTHON=python
# 또는
LOCAL_AI_PYTHON=py -3
```

그다음 로컬 장치 확인:

```bash
bun run devices
```

실행:

```bash
bun run start:local
```

Discord 모드:

```bash
bun run start:discord
```

## 환경 변수

`.env.example`를 복사해서 `.env`를 채우면 됩니다.

Discord 모드에서만 필수:

- `DISCORD_BOT_TOKEN`
- `DISCORD_APPLICATION_ID`

기본값이 이미 들어있는 로컬 AI 설정:

- `OLLAMA_BASE_URL`
- `OLLAMA_MODEL`
- `OLLAMA_KEEP_ALIVE`
- `OLLAMA_NUM_CTX`
- `LOCAL_AI_VENV_PATH`
- `LOCAL_AI_CACHE_DIR`
- `LOCAL_STT_MODEL`
- `LOCAL_STT_DEVICE`
- `LOCAL_STT_COMPUTE_TYPE`
- `LOCAL_STT_BEAM_SIZE`
- `LOCAL_TTS_MODEL_PATH`
- `LOCAL_TTS_VOICES_PATH`
- `LOCAL_TTS_LANGUAGE`
- `LOCAL_TTS_SPEAKER`
- `LOCAL_TTS_DEVICE`
- `LOCAL_TTS_SPEED`

선택:

- `DISCORD_COMMAND_GUILD_ID`
  - 테스트 서버에만 slash command를 즉시 반영하려면 설정
- `LOCAL_AI_PYTHON`
  - Python 경로 자동 탐지가 안 되면 설정
  - 예시: `python`
  - Windows 예시: `python` 또는 `py -3`
- `LOCAL_AUDIO_SOURCE`
  - 로컬 입력 장치
  - Linux는 `pw-record --target`, Windows는 `ffmpeg dshow` 장치 이름
- `LOCAL_AUDIO_SINK`
  - Linux 로컬 출력 장치
  - Windows는 현재 시스템 기본 출력 장치 사용
- `LOCAL_SPEAKER_NAME`
  - 로컬 테스트에서 프롬프트에 넣을 화자 이름
- `BOT_DEFAULT_LANGUAGE`
  - 기본값 `ko`
- `DEBUG_TEXT_EVENTS`
  - `true`면 transcript/reply를 콘솔에 같이 출력

Windows에서 GPU STT를 쓰려면 `LOCAL_STT_DEVICE=auto` 그대로 두고 `bun run setup:local-ai`를 다시 실행하세요. 현재 스크립트는 `faster-whisper`와 함께 CUDA 12용 `cuBLAS`, `cuDNN` 런타임 wheel도 같이 설치합니다. 그래도 `cublas64_12.dll` 또는 `cudnn` 오류가 남으면 시스템에 Visual C++ 런타임이 빠졌거나, 별도 CUDA 설치 경로가 PATH에 안 잡힌 경우입니다.

## 속도 우선 기본값

- STT 기본 모델은 `tiny`
- LLM 기본 모델은 `qwen3:0.6b`
- TTS 기본 보이스는 `af_heart`
- TTS 기본 속도는 `1.12`

정확도가 아쉬우면:

```env
LOCAL_STT_MODEL=small
OLLAMA_MODEL=qwen3:1.7b
```

## 로컬 테스트 순서

1. `bun install`
2. `ollama pull qwen3:0.6b`
3. Windows면 `.env` 에 `LOCAL_AI_PYTHON=python` 또는 `LOCAL_AI_PYTHON=py -3` 추가
4. `bun run setup:local-ai`
5. `bun run devices`
6. `.env` 에 `LOCAL_AUDIO_SOURCE` 설정
7. `bun run start:local`

## Windows 메모

- `bun run devices` 와 Windows 로컬 녹음은 `ffmpeg`가 필요합니다.
- Windows는 TTS를 Python 모델 대신 시스템 기본 음성 엔진으로 처리합니다.
- 출력 장치 직접 선택은 아직 미구현이라 시스템 기본 출력 장치로 재생됩니다.
- Python 탐지가 안 되면 `.env` 에 `LOCAL_AI_PYTHON=python` 또는 `LOCAL_AI_PYTHON=py -3` 를 넣으면 됩니다.
- Windows의 `setup:local-ai`는 STT와 CUDA 런타임 wheel을 함께 설치합니다.
- Linux/macOS의 `setup:local-ai`는 Kokoro ONNX 모델 파일도 자동으로 내려받습니다.

## 설계 메모

- 입력은 유저별 병렬 처리
- 출력은 길드 세션당 단일 큐
- 로컬 모드는 단일 화자 입력 기준
- 화자 구분은 `speaker_id`, `speaker_name`을 LLM 프롬프트에 항상 포함
- 모델 다운로드 캐시는 기본적으로 `.local-ai/cache` 아래에 저장